株式会社キカガクは、"教育"を軸にDX推進を支援する会社です。これまでに累計30万人以上の受講生、約1,000社の企業のDX推進をサポートしてきました。実データを用いた課題解決型研修（PBL）を特徴とし、企業の課題に合わせて研修をカスタマイズして提供しています。人材の要件定義から育成ロードマップの策定、アセスメント・スキル可視化、AIモデルの受託開発やコンサルティング、AI・データサイエンスに特化した社会人向けスクールも運営しています。

採用noteはこちら: キカガク公式note(働き方から社員紹介まで幅広く発信しています！)

AX事業部は、顧客の課題ごとに最適なAI・システムをスクラッチで開発し、ソリューションとして提供しています。パッケージの導入支援ではないため、課題ごとに「何で解くか」から設計します。

その選択肢は生成AIに限りません。生成AIが効く課題もあれば、機械学習モデルのほうが精度もコストも見合う課題、統計モデルで十分に説明がつく課題、ルールベースで確実に処理すべき課題もあります。
手段を先に決めず、必要なら「AIを使わない」と言えることを重視しています。

そして、案件が本番運用に進むほど難しくなるのは、モデルの精度そのものではありません。
「誤りが起こる前提で、業務として成立させる」設計です。どこに人の確認を挟むか、どこまでをガードレールで止めるか、精度とレイテンシーとコストのどれを優先するか、モデルが更新されたときに壊れない構成をどう組むか——これらは 個人の実装力ではなく、プロジェクト全体の技術方針として決めるべきことです。

この判断を引き受けられる人が、いま事業部でもっとも不足しています。

同時に、開発の進め方そのものも変わりつつあります。
AX事業部ではAI支援開発（Claude Code 等）を前提とした開発プロセスに移行しており、「AIが生成したコードをどうレビューし、どう責任を持つか」をチームの標準として整備している最中です。

このポジションは、プロジェクト全体の技術方針・アーキテクチャ・品質・運用性に責任を持ち、顧客の業務で使われ続けるシステムを実現していただくものです。

[1] 技術方針とアーキテクチャの決定

・顧客課題をシステム・技術要件へ変換する
・何で解くかの判断（生成AI／機械学習モデル／統計モデル／ルールベース／従来型システム）と、その根拠の説明
・AI・データ・RAG・エージェント・アプリケーション・クラウドを統合した設計
・精度・レイテンシー・コスト・安全性のトレードオフの判断

[2] 実運用に耐える品質・安全性の設計

・評価データ・評価指標・モニタリングの設計
・Human-in-the-Loop、ガードレールなど、誤りを前提とした仕組みの設計
・セキュリティ・権限・監査・データ保護の設計
・モデルやサービスの変更に追従できる構成の設計
・本番運用と継続改善の仕組みの構築

[3] 技術チームの設計とリード

・技術チームの役割・開発プロセスの設計
・PMと連携し、顧客成果につながる技術判断を行う
・メンバーの設計レビュー・コードレビューと育成
・技術的負債やリスクの可視化・管理

[4] 顧客への移管とアセット化

・顧客側エンジニアへの技術移管・育成の推進（研修／PBLとの連携、内製化支援）
・AI支援開発の進め方をチームの標準として整備する
・成功パターンを再利用可能なアセットにし、事業部の生産性を高める

※ご経験と志向に応じて、複数案件で再利用できる技術基盤・標準・方法論を構築し、事業部全体の技術品質・生産性・競争力を高める役割（AI案件のリファレンスアーキテクチャの設計、モデル選定・評価・セキュリティの標準整備、AI支援開発の標準プロセス設計など）へ進んでいただく道もあります。

AIの受託開発では、モデルを呼び出す部分よりも、「誤りが起こる前提で、業務として成立させる」設計のほうが難しく、そして市場価値があります。
評価設計、ガードレール、Human-in-the-Loop、権限とデータ保護、モデル変更への追従——これらを自分が技術方針の決定者として本番運用まで通した経験は、まだ持っている人が限られています。

AX事業部はスクラッチ開発が中心のため、特定プロダクトの設定作業に閉じることがありません。顧客の課題ごとにアーキテクチャから考える経験が蓄積されます。

また、市場のAI企業の多くは生成AIに特化しており、扱う技術が実質的に固定されています。AX事業部は特定の技術を売る事業ではないため、生成AI・機械学習・統計・ルールベースを横断して技術選定できます。
「この課題にAIは要らない」と判断できることは、技術トレンドが変わったときにこそ効いてきます。

加えて、教育事業との連携により、顧客側エンジニアへの技術移管・内製化支援に踏み込めます。
作って納めるだけでなく、顧客が自走できる状態をつくるところまでを技術責任者として担える環境は多くありません。AI支援開発の標準化にも事業部として取り組んでおり、「AIと人でどう開発チームを組むか」を設計する経験も並行して積めます。

言語：Python, TypeScript
クラウド：Azure, GCP, AWS
開発ツール：Claude, GitHub, Notion, Figma

※使用する技術は、顧客の環境と課題に応じて選定します。上記は代表的な構成です。

・フルリモート可（在宅勤務の回数制限なし）
・フレックス制（標準労働時間8時間、フレキシブルタイム5:00〜24:00）
・副業可
・GPTW Japan「働きがいのある会社」4年連続認定（2026年版 中規模部門28位）
・リモートワーク中心でも、困った際にはお互い助け合う雰囲気・環境です

下記いずれも必須

・Webアプリケーションまたはシステムの設計・実装・運用を一貫して担った実務経験（目安5年以上）
・プロジェクト全体の技術方針・アーキテクチャを自ら決定し、品質と運用性に責任を持った経験
・顧客または事業部門と直接やり取りし、課題をシステム・技術要件へ変換した経験
・技術チームの役割・開発プロセスを設計し、メンバーのレビュー・育成を行った経験
・生成AIを用いた開発（Claude Code、GitHub Copilot 等）を日常業務に組み込み、ご自身の生産性を高めている経験

・AI・データ・RAG・エージェント・アプリケーション・クラウドを統合したシステムの設計経験
・評価データ・評価指標・モニタリングの設計経験
・Human-in-the-Loop、ガードレールなど、AIの誤りを前提とした仕組みの設計経験
・精度・レイテンシー・コスト・安全性のトレードオフを判断した経験
・セキュリティ、権限、監査、データ保護の設計経験
・モデルやサービスの変更に追従できる構成を設計した経験
・機械学習モデル・統計モデルの構築・運用経験（需要予測、異常検知、最適化、スコアリング等）
・技術ありきではなく、課題に応じて手段を選定した経験（AIを使わない判断をした経験を含む）
・複数案件で再利用できる技術基盤・標準・方法論を構築した経験
・AIエージェントへのタスク移譲を設計・運用し、開発プロセスそのものを変えた経験
・MLOps環境の構築・運用経験
・顧客側エンジニアへの技術移管・育成の経験
・SIや受託開発における顧客先での導入・定着支援の経験
・研修講師、社内勉強会運営など「人に教える」活動の経験

・技術的完成ではなく、実運用での価値を重視できる方
・過剰設計を避け、必要十分な解決を選べる方
・技術的負債やリスクを隠さない方
・チーム全体の技術力向上を、自身の成果と捉えられる方
・AIの限界を理解したうえで、価値を最大化できる方
・流行の手法に寄らず、必要なら「AIを使わない」と言える方
・前例のない技術課題でも、まず動くものをつくって検証しにいける方
・変化の速いAI領域で学び続け、学んだことをチームと顧客に還元できる方

・カンパニーデック
・採用HP
・セールスリーダー インタビュー
・note記事

【受賞】
・【2026年版】「働きがいのある会社」ベスト100に選出。中規模部門ランキング28位を獲得
・キカガク for Businessが「第22回 日本e-Learning大賞」にて「DX人材育成特別部門賞」を受賞

1. カジュアル面談（人事部または現場メンバー）
   ※ご希望により当日そのまま一次選考への切り替えも可能です
2. 書類選考（結果連絡：2営業日以内）
3. 一次選考面接（現場部門）
   ※選考内容によってはご相談の上、再面談の可能性もございます。
4. 最終選考面接（代表取締役）※オフィスでの対面実施可能
5. リファレンスチェック
6. オファー面談
7. 入社